人臉識別分類器的設計及決策融合算法.pdf

1、人臉識別是當前模式識別、機器視覺領(lǐng)域的研究熱點。分類器設計是人臉識別的關(guān)鍵技術(shù),其性能的優(yōu)劣對整個人臉識別系統(tǒng)有重大影響。傳統(tǒng)的人臉識別分類器存在原理復雜、識別率較低、對光照、表情變化和遮擋等復雜環(huán)境的適應能力較差等問題。
　　 本文圍繞傳統(tǒng)分類器存在的問題,對人臉識別分類器算法進行了較為深入的研究,并在此基礎上設計了幾種分類器。此外,為了進一步提高分類器對復雜環(huán)境的適應能力,提出了一種決策融合算法。實驗證明,分類識別率較之傳統(tǒng)

2、方法有所提高且比較穩(wěn)定。
　　 最小二乘分類器。把測試樣本的特征向量分別表征為各類訓練樣本特征向量的線性組合,并依據(jù)最小二乘原理求解超定方程組的系數(shù)向量,最后以各類別的系數(shù)向量對測試樣本的估計誤差為依據(jù)完成識別分類。該分類器原理簡單,易于實現(xiàn)。
　　 稀疏表示分類器。稀疏表示理論己被廣泛應用于眾多領(lǐng)域并成為當前人臉識別課題的研究熱點。本文詳盡討論了稀疏表示的理論基礎以及稀疏表示分類器的設計思想。在稀疏表示分類器識別過程中

3、,使用全部的訓練樣本構(gòu)建一個字典,任意測試樣本的稀疏表示系數(shù)都是通過該字典求取的。由于該字典的尺寸較大,這會導致較大的計算量;此外,忽視了測試樣本間的差異。針對這些問題,本文提出一種最小二乘字典學習算法以學習一組自適應的過完備字典。不同于原始的單一、固定的字典,自適應字典的尺寸明顯降低,有助于減小計算量、提高魯棒性。
　　 基于信心指數(shù)的決策融合算法。分塊策略是提升人臉識別算法在光照、表情變化以及遮擋等復雜環(huán)境下識別性能的常用方